作为航空航天类专业毕业,马上要入机器人坑、直博坑的小本科生,要来写这样一个系列的文章,我感到诚惶诚恐。不过,人还是得有一些追求的,写这样一系列文章很难,但是相信对我自己的提升也会不少。当然,作为一名资深小白,出点错误、理解得不透彻的情况很有可能会在这个系列的文章中屡屡出现,到时候还望各位看官不吝赐教。当然,我也将会在未来的学习过程不断勘误。 1 什么是机器人的运动估计? 这是一
1、来源论坛里的帖子,主要是回答如何通过Robotstudio来获取ABB机器人的D-H参数。 对话内容(复制粘贴): Hej Hej,My name is Nikolas and I am researcher at KTH in Stockholm, Sweden. I work with measurements to identify kinematic, static, thermal
最近在研究多连杆的机器人建模,发现许多使用牛顿欧拉法的建模方式,都直接采用了如下的一条公式: 其中: 这是连杆 j 相对于惯性系的速度和角速度组成的六维向量(表示在 j 系下)。 jHj+1,代表的就是一个6维的变换矩阵,将 j+1 系下的力变换到 j 系下。 Fextj,连杆受到的外力
上一回,我们讲完了A*的工作原理,与Dijkstar相比A*确实有一定程度上的优化,但是我们最后也提到了,即便如此A*和Dijkstar一样,依旧还是在逐一遍历地图中的每一个栅格,这对于算法的实际使用是十分不友好的,毕竟我们不可能使用一张20*20或者100*100的地图来描述实际的物理世界,往往实际上的地图是会远远大于这个尺寸的。 在座的小伙伴们一定知道在概率统计中,有一个概念叫做抽样调查,
前面两篇文章里首先介绍了贝叶斯滤波的理论框架,之后对机器人模型做了线性高斯假设,推出了卡尔曼滤波的迭代方程组。在这篇文章中,就将进一步介绍当机器人模型为非线性时该如何使用贝叶斯滤波。我们将介绍扩展卡尔曼滤波器以及无迹卡尔曼滤波器的由来。 《贝叶斯滤波与平滑》,作者:希莫·萨日伽,译者:程建华等。 英文原版:《Bayesian Filtering and Smoo
上一篇文章里介绍了贝叶斯滤波的理论框架,知道了贝叶斯滤波假设了机器人的状态服从某个概率分布,并且知道了如何利用Bayes公式对其概率分布更新。然而,前面的内容仅仅是介绍了其完美的数学原理,实际计算起来却并不适用。在这篇文章中,就将介绍如何通过一系列假设去简化贝叶斯滤波的计算过程。我们将介绍卡尔曼滤波器、扩展卡尔曼滤波器以及无迹卡尔曼滤波器的由来。 《贝叶斯滤波与平滑》,作者:希莫
滤波理论在机器人状态估计里的重要性不言而喻,因此对滤波理论进行系统的了解非常有必要。本篇文章目的是从贝叶斯滤波(BF)的角度来串联现在流行的几种滤波方法:卡尔曼(KF)、扩展卡尔曼(EKF)、无迹卡尔曼(UKF)、粒子滤波(PF)等。 本篇文章主要参考文献为: 《贝叶斯滤波与平滑》,作者:希莫·萨日伽,译者:程建华等。 英文原版:《Bayesian Filtering an
前言 在上一篇文章中,我们了解了用于表示机器人位置、速度的坐标系的定义,学习了如何表示姿态,也就是旋转的三种表达方式:旋转矩阵、欧拉角以及四元数。在这一节的第一部分中,我们将继续讨论在三种旋转表达之间互相转换的方法。之后,我们将以四麦轮小车以及四旋翼为例,推导二者的运动学模型,并分享一些我在学习过程中的一些心得体会。 1 各旋转表达方式的转换 1.1 欧拉角 - - > 旋转矩阵 在
UR5构型的机械臂是目前机器人领域比较常见的一种,本文基于GuYueInvent PROBOT C800(《如何从Solidworks导出URDF模型 · 古月》课程中使用的机械臂)机械臂,从DH建模,到正逆运动学的推导,介绍其整个运动学建模的过程,并演示了在matlab 2015a和ROS-Rviz环境下的运动效果。 一、C800的DH模型: DH建模法是建立
书接上回,上一次我们讲完了Dijkstra,如果小伙伴们有印象的话,肯定还记得在上一篇的文末,我们提到了Dijkstra的致命缺点:处理大地图时效率低下。那么今天我们就来看看Dijkstra的近亲A*究竟做出了哪些改变来解决效率问题? 1. A*原理详解 我们知道,Dijkstra之所以效率低下,就是因为Dijkstra对地图里所有的相邻栅格都“一视同仁”,所以Dijkstra在运行的时
本文转载自微信公众号ROBOTICS 上一篇文章有读者留言说,希望我能整理出一个知识体系,对我自己也有点帮助。不瞒大家说,我觉得写这些东西对我自己的帮助,可能远远大于对其他人的。比如说四元数这个东西,我从来也只记它几个公式、知道怎么用,大抵就够了;可是为了写这一篇文章,我只得四处查资料、找教材,只怕不能把它真正弄清楚。 这一查呢,我觉得打开了新天地——原来四元数是数学家变的魔法,用它来表示
本文转载自微信公众号ROBOTICS 在很久很久以前的那篇《位置角度平移旋转:“乱七八糟”的坐标变换》里,CC着重讲了如何用旋转矩阵表示坐标的旋转变换关系,并蜻蜓点水般提到了欧拉角、转轴转角和四元数的存在。有不少朋友都表示希望CC写一写空间姿态的各种表示方法的——现在,就让我们来把这个坑填上吧。 旋转矩阵复习 首先我们还是把旋转矩阵复习一下,希望你还记得下面这个式子: 这个式子说,
本文转载自微信公众号ROBOTICS 各位,机械臂的动力学方程又来和大家见面了!你大概看这个方程看得都生厌了,所幸这也是入门机械臂动力学的最后一篇了——但愿这个方程已经深深地刻在你的脑海里…… 神秘的V 不知道大家有没有注意到,上一篇文章中讲到质量矩阵的非对角项时,我在某括号内的文字说“为了暂时先不考虑角速度的影响,我们假设这个瞬间角速度为0”——现在问题来了,如果一个关节角速度不为0,
本文转载自微信公众号ROBOTICS 上一篇文章(点这里查看),我们利用拉格朗日力学,推导出了一道简洁优美的机械臂动力学方程: 这个方程,把机械臂的动力学模型归结为三个部分: 1.由质量矩阵描述的、关节加速度的“贡献” 2.由神秘的v描述的、关节速度的“贡献 3.由g描述的、只与关节位置有关的保守力的贡献 理解机械臂的动力学方程,我们可以从这三部分分别入手。 质量矩阵对角项的
本文转载自微信公众号ROBOTICS 在进入今天的正题之前,CC想把上一篇文章没有讲得很清楚的问题说一下——那就是,机械臂的动力学到底研究什么?(上一篇文章在此:《机械臂的动力学(一):牛顿欧拉法》) 对于一个质点,我们研究它受到的外力与它的运动之间的关系:它的动力学可以简单地用F = ma 来描述; 对于一个刚体,我们同样研究外力与运动之间的关系:它的动力学可以用上一篇讲的欧拉第一第
本文转载自微信公众号ROBOTICS 今天,我们终于要开始学习机械臂的动力学了——实话说,上学时候,CC动力学这块真没学懂…… 在上一篇干货《运动学好像够用了,我们为什么还需要动力学》中,我们讲了动力学要研究的几个问题、以及研究动力学有什么用。这篇干货意外地比其他干货多了好多阅读量,难道是大家和作者一样对这个问题挺困惑吗?不管怎样,如果你还没看过那一篇,CC建议你去看一看。 刚体动力学
本文转载自微信公众号ROBOTICS 这是ROBOTICS干货系列机器人学入门的一篇过渡文章:一方面,我觉得很有必要把之前讲过的东西串起来过一遍;另一方面,在我们开始啃机械臂的动力学(dynamics)这块硬骨头之前,我们也很有必要弄明白“为什么需要研究机械臂的动力学?”这样一个问题。 我们来看一个现实中的机器人,为了赏心悦目的需要,CC选中了机械臂界的颜值担当UR5。 从上图可
本文转载自微信公众号ROBOTICS 逆运动学,就是从操作空间的end effector position and orientation,求关节空间的joint position的问题。在上一篇文章中,我们简单提到求逆运动学解的解析解法和优化解法,详细讲解了用逆瞬时(或说微分)运动学即雅可比矩阵法迭代求解逆运动学的方法。这篇文章我们继续讲雅可比矩阵求逆法存在的问题、用以对付Singulari
本文转载自微信公众号ROBOTICS 复习 ROBOTICS的机器人学干货系列已经写到第八篇了,都讲了些什么呢?让我啰嗦地给大家整理一下: · 入门:如果你看到R关节和P关节不知道我在说什么,请去看第一篇《从RP入门机器人学》 · 重要背景知识:如果我说end effector的位置w.r.t frame{0}、旋转矩阵、齐次坐标变换,你搞不清我在说什么,请看第二篇《位置角度旋
本文为A matlab-based identification procedure applied to a two-degrees-of-freedom robot manipulator for engineering students学习笔记,相关数据代码可以通过Matlab程序和数据下载 一、概述 1.1 二轴机械臂 1.2 参数识别概述 参数识别流程 二、动力学模型
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信